Air pollution prediction and backcasting through a combination of mobile monitoring and historical on-road traffic emission inventories
Notice bibliographique
Résumé
An important challenge for studies of air pollution and health effects is the derivation of historical exposures. These generally entail some form of backcasting, which refers to a range of approaches that aim to project a current surface into the past. Accurate backcasting is conditional upon the availability of historical data for predictor variables and the ability to capture spatial and temporal trends in these variables. This study proposes a method to backcast traffic-related air pollution surfaces developed using land-use regression models by including temporal variability of traffic and emissions and trends in concentrations measured at reference stations. Nitrogen dioxide (NO2) concentrations collected in the City of Toronto using the Urban Scanner mobile platform were adjusted for historical trends captured at reference stations. The Bayesian Estimator of Abrupt change, Seasonal change, and Trend (BEAST), a powerful tool for time series decomposition, was employed to isolate seasonal variations, annual trends, and abrupt changes in NO2 at reference stations, hence decomposing the signal. Exposure surfaces were generated for a period extending from 2006 to 2020, exhibiting decreases ranging from 10 to 50 % depending on the neighborhood, with an average of 20.46 % across the city. Yearly surfaces were intersected with mobility patterns of Torontonians extracted from travel survey data for 2006 and 2016, illustrating strong spatial gradients in the evolution of NO2 over time, with larger decreases along major roads and highways and in the central core. These findings demonstrate that air pollution improvements throughout the 14 years are inhomogeneous across space.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».